TRAE Agent è un nuovo nome giunto sulla scena degli AI agents, che forse non tutti hanno ancora avuto modo di conoscere.
Non si tratta del solito assistente di programmazione che suggerisce qualche riga di codice. Sviluppato da ByteDance, rappresenta un vero agente autonomo che opera con la competenza di un ingegnere software senior.
Scopriamo come funziona e come è in grado di aiutarci.
Cos’è TRAE AI Agent?
Trae Agent è un agente autonomo basato su grandi modelli linguistici (LLM), ideato da ByteDance, la compagnia dietro TikTok, concepito per automatizzare e migliorare un’ampia gamma di compiti nell’ingegneria del software.
Immagina un ingegnere software senior, non solo capace di suggerire soluzioni, ma di prendere il controllo completo del sistema per svolgere operazioni complesse.
Il suo punto di forza risiede nella capacità di affrontare compiti come il debug sistematico di problemi, la scrittura di codice di qualità per la produzione che aderisce alle migliori pratiche, la navigazione e la comprensione di vaste e sconosciute basi di codice, e la generazione e applicazione di correzioni accurate per i bug.
La sua interfaccia a riga di comando (CLI) interattiva, che permette agli sviluppatori di comunicare in inglese semplice, abbassa significativamente la soglia di accesso per la gestione e la modifica di codebase complesse.
Il progetto si trova attualmente in fase alpha e in attivo sviluppo, con l’obiettivo di espandere ulteriormente il supporto LLM, migliorare il Model Context Protocol (MCP) e rafforzare il framework di test. La recente versione Trae Agent 2.0 ha introdotto miglioramenti significativi, come un’architettura riprogettata, l’unificazione delle modalità dell’agente e una memoria a lungo termine più sofisticata.
Come funziona TRAE Agent?
L’architettura di TRAE Agent si basa su moduli specializzati che lavorano in sinergia. Il sistema di editing avanzato mantiene sempre la consapevolezza del contesto progettuale mentre manipola file e directory.
Il modulo più innovativo è probabilmente quello del pensiero sequenziale, che struttura la risoluzione dei problemi attraverso ragionamento iterativo. Il sistema genera ipotesi, le verifica metodicamente e costruisce soluzioni attraverso processi cognitivi che normalmente richiedono anni di esperienza per essere acquisiti.
Una interfaccia Bash integrata gli offre un ambiente shell persistente per eseguire comandi, catturare gli output del terminale e valutare gli errori in tempo reale, in accordo con il flusso di lavoro di uno sviluppatore umano. Essa replica fedelmente il workflow di un developer esperto: cattura output, valuta errori in tempo reale, esegue comandi come farebbe un programmatore umano.
Per affrontare compiti più complessi, il modulo di pensiero sequenziale migliora le sue capacità cognitive, struttura i passaggi di risoluzione dei problemi attraverso un ragionamento iterativo, la generazione di ipotesi e la verifica, un processo che ricalca il pensiero di un ingegnere esperto. Per ottimizzare ulteriormente questo processo, Trae Agent costruisce una mappa semantica dell’intera codebase, o Code Knowledge Graph, che gli permette di cercare e ragionare in modo efficiente su classi, funzioni e strutture di file, e di puntare direttamente alle parti rilevanti.
Un aspetto distintivo è Lakeview, un modello leggero che riassume le azioni dell’agente con frasi chiare e concise in linguaggio naturale, e che fornisce un “commento in tempo reale” che rende facile seguire i progressi, anche su progetti non familiari. La compatibilità con diversi provider LLM (OpenAI, Anthropic, Google Gemini) offre flessibilità strategica notevole. I team possono scegliere il modello più adatto alle specifiche esigenze progettuali senza rimanere vincolati a una singola piattaforma.
Trae Agent ha dimostrato performance all’avanguardia (SOTA) su SWE-bench Verified, un benchmark rigoroso per agenti di ingegneria del software. Ha conquistato il primo posto nella classifica di SWE-bench Verified, con un tasso di successo del 75.2%, nel risolvere un numero significativo di compiti di correzione di bug reali. Questo successo deriva dal suo efficiente sistema di generazione di patch a singolo agente e dalla sua capacità di ragionamento esplicito, che delinea con precisione cosa deve essere corretto, prova una soluzione rapida, verifica i test e procede solo quando l’obiettivo è raggiunto, un approccio che gli ingegneri acquisiscono in anni di esperienza.
ByteDance ha reso Trae Agent open-source sotto licenza MIT, quindi accessibile a sviluppatori, ricercatori e team aziendali, in modo da promuovere così l’innovazione e la collaborazione nella comunità. La sua architettura modulare e trasparente permette di registrare ogni azione, risposta e chiamata, capacità che lo rende un prezioso strumento per audit di sicurezza, comparazioni tra versioni di modelli e materiali didattici.
Cosa può fare TRAE AI Agent?
A differenza di semplici “code completer”, Trae Agent è un agente autonomo che esegue azioni reali sul sistema e supporta il ragionamento multi-step. La sua capacità di automatizzare compiti ripetitivi e affrontare bug di produzione lo rende un moltiplicatore di produttività per le aziende che si occupano di sviluppo software.
Trae Agent è in grado di leggere istruzioni scritte in linguaggio naturale e iniziare a lavorare autonomamente, con comprensione del significato. Le sue capacità principali includono il debug sistematico, la riproduzione dei problemi, il tracciamento delle radici degli errori attraverso un modello di ragionamento strutturato.
Un punto di forza notevole è la sua capacità di navigare e comprendere codebase ampi e sconosciuti. Può scrivere codice di livello produzione che aderisce alle migliori pratiche e agli standard del settore, ed eccelle nella generazione e nell’applicazione di correzioni di bug. Con un solo prompt, può produrre e applicare patch di codice che vengono validate attraverso controlli logici e test.
Trae Agent fornisce un supporto interattivo in tempo reale per le attività di sviluppo ed è particolarmente adatto per automatizzare attività di manutenzione di routine in legacy code, per la programmazione collaborativa in tempo reale e per l’automazione delle pipeline di integrazione continua e distribuzione (CI/CD).
Funzionalità principali e potenzialità nell’automazione del codice
Trae Agent finora si è dimostrato bravissimo nel trovare ed eliminare i bug: riesce a risalire alla radice degli errori, a riprodurli sistematicamente e a usare un modello di ragionamento strutturato per capire cosa non va. Inoltre, non importa quanto sia grande o sconosciuto un progetto di codice, lui è in grado di navigarci dentro e comprenderlo con facilità, e può generare e applicare correzioni accurate ai bug, le quali vengono poi validate attraverso controlli logici e test.
Questo agente può essere utilizzato ad esempio per gestire autonomamente anche i bug di produzione che saltano fuori di notte: riproduce l’errore, individua la parte di codice difettosa, scrive una patch, esegue tutte le verifiche e prepara la richiesta finale per l’approvazione. Offre inoltre anche un supporto interattivo in tempo reale per le tue attività di sviluppo, in particolare nel trasformare le tue istruzioni testuali in codice.
Passiamo ora al suo potenziale in fatto di automazione del codice: TRAE Agent è particolarmente adatto a svolgere in autonomia attività come la manutenzione di routine in vecchi codebase, la programmazione collaborativa in tempo reale quando lavori in team, l’automazione delle pipeline di integrazione continua e distribuzione (CI/CD), la creazione rapida di prototipi a partire da una semplice descrizione e può persino aiutarti a imparare nuove pratiche di codifica.
Ma come fa tutto questo? Ci sono diverse funzionalità che lo rendono così capace.
Prima di tutto, la sua interfaccia a riga di comando (CLI) è molto interattiva. Puoi comunicare con lui in semplice inglese, e questo attiva flussi di lavoro avanzati per la navigazione del codice, la generazione di patch e l’esecuzione dei test. Possiede poi uno strumento chiamato str_replace_based_edit_tool che gli permette di visualizzare, creare e modificare file e directory, ed è proprio la base su cui manipola il codice. La già citata interfaccia Bash integrata gli fornisce un ambiente shell persistente per eseguire comandi, catturare gli output del terminale e valutare gli errori in tempo reale, per simulare così il modo in cui lavorerebbe uno sviluppatore umano.
La sua struttura presenta un modulo di pensiero sequenziale (sequential_thinking Module) che potenzia le sue capacità cognitive, in quanto struttura i passaggi per la risoluzione dei problemi attraverso un ragionamento iterativo, la generazione di ipotesi e la verifica, proprio come farebbe un ingegnere esperto. Un’altra caratteristica chiave è il Code Knowledge Graph (CKG), che ora è diventato uno strumento di ricerca chiamato Workspace Search Tool. Questo crea una “mappa semantica” interna del codebase, che gli permette di cercare e ragionare in modo efficiente su classi, funzioni e strutture di file, e identificare rapidamente dove apportare modifiche.
Il tool task_done indica la fine di un compito e fornisce un riepilogo strutturato, in modo che venga garantita chiarezza e trasparenza nell’automazione.
Per chi preferisce un approccio più conversazionale, c’è una modalità interattiva che permette lo sviluppo basato su chat, dove puoi porre domande, ispezionare le modifiche e reindirizzare l’attenzione dell’agente, quasi come se stessi facendo da mentore a uno sviluppatore junior.
Il Model Context Protocol (MCP) gli permette di accedere a strumenti personalizzati, come agenti per database o assistenti di ricerca con integrazione Puppeteer, il che significa che può interagire con database o navigare sul web e persino acquisire screenshot. Infine, la registrazione della traiettoria documenta ogni azione, risposta e chiamata a strumento in un file, il che è utile per audit di sicurezza, comparazioni tra versioni di modelli e materiali didattici.
Agenti AI e il loro impatto sullo sviluppo software
L’impatto degli agenti AI sul modo in cui si sviluppa il software è profondo e in continua crescita, con ripercussioni importanti su molti aspetti del lavoro degli sviluppatori. L’intelligenza artificiale non sostituisce, ma potenzia, permette ai professionisti di concentrarsi sulle attività creative e strategiche, e di costruire software più solido, veloce e adatto alle esigenze di un mondo sempre più digitale.
Come gli agenti AI stanno cambiando il lavoro dei programmatori
Prima di tutto, gli AI agents aiutano a velocizzare e rendere più efficiente il processo di sviluppo, automatizzano le attività più ripetitive e noiose come la scrittura di codice di base, il debugging e i test. Questo significa che gli sviluppatori possono dedicare più tempo a compiti di maggiore valore, come la progettazione dell’architettura del software o la risoluzione di problemi complessi, piuttosto che a operazioni ripetitive.
Migliorano poi la qualità del codice, suggeriscono correzioni, ottimizzazioni e best practice in tempo reale, contribuiscono a ridurre gli errori e a scrivere software più stabile e sicuro.
L’adozione di strumenti basati su AI ha un effetto palpabile sulla democratizzazione dello sviluppo software: grazie a piattaforme low-code o no-code potenziate da agenti intelligenti, persone con competenze di programmazione limitate riescono ora a partecipare alla creazione di applicazioni, rendendo il processo più inclusivo e accessibile.
Non si tratta solo di automazione, però. Gli agenti AI hanno avviato anche un cambiamento concreto in merito al modo in cui si pensa e si progetta il software. Grazie a una maggiore interattività e capacità di apprendimento, questi agenti possono collaborare come veri e propri “copiloti” dei team di sviluppo: supportano ogni fase del ciclo di vita del software, dalla definizione dei requisiti alle attività di manutenzione e aggiornamento post-lancio.
Naturalmente, questa trasformazione porta con sé anche delle sfide, come la necessità di aggiornare infrastrutture e competenze, oltre a garantire che l’uso dell’AI sia etico e affidabile. Ma il sentimento predominante tra gli sviluppatori è di entusiasmo, perché gli agenti AI non solo migliorano la produttività, ma aprono nuove opportunità di crescita professionale e di innovazione nel settore software.
Gli agenti AI dunque costituiscono uno strumento in grado di rendere realisticamente il lavoro dei programmatori più efficiente e focalizzato sugli aspetti più creativi e strategici. Grazie all’automazione di compiti ripetitivi come la scrittura di codice di base, il debugging e la generazione di casi di test, gli sviluppatori riescono a dedicare più tempo a progettare architetture, risolvere problemi complessi e prendere decisioni strategiche. Questo non solo accelera il ritmo dello sviluppo, ma migliora anche la qualità del software prodotto, perché gli agenti AI aiutano a individuare errori e suggerire miglioramenti durante la scrittura del codice.
Assistiamo, dunque, a una vera e propria trasformazione nel modo di lavorare: i programmatori non sono più semplici “sintetizzatori di codice”, ma diventano supervisori e direttori di un processo collaborativo che coinvolge anche queste intelligenze artificiali. Gli agenti possono agire quasi come “team virtuali” che supportano ogni fase dello sviluppo, dall’ideazione alla manutenzione, e così liberano gli sviluppatori da gran parte del lavoro manuale e routinario.
Se vuoi approfondire il mondo degli agenti AI e scoprire in quali modi possono rendere più efficiente il tuo lavoro e dare una svolta alla tua carriera professionale, la nostra AI Agentic Application Masterclass è il percorso avanzato che fa al caso tuo!
AUTORE:Vincenzo Maritati Apri profilo LinkedIn
Vincenzo è Co-founder di Data Masters, AI Academy per la formazione in Intelligenza Artificiale, Machine Learning e Data Science. È un ricercatore informatico che lavora attivamente nel campo dell’Intelligenza Artificiale, coordinando progetti di ricerca e sviluppo che spaziano in diversi ambiti, come la mobilità intelligente, sistemi di telemedicina, la manutenzione predittiva, il controllo della produzione industriale e la formazione.
